主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
钱忠,李培峰,周国栋,朱巧明.基于双向LSTM网络的不确定和否定作用范围识别.软件学报,2018,29(8):2427-2447
基于双向LSTM网络的不确定和否定作用范围识别
Speculation and Negation Scope Detection via Bidirectional LSTM Neural Networks
投稿时间:2017-03-18  修订日期:2017-08-27
DOI:10.13328/j.cnki.jos.005485
中文关键词:  信息抽取  不确定和否定信息  作用范围识别  LSTM神经网络  BioScope语料
英文关键词:information extraction  speculation and negation information  scope detection  LSTM neural network  BioScope corpus
基金项目:国家自然科学基金(61331011,61472265,61772354);江苏省科技计划(BK20151222)
作者单位E-mail
钱忠 苏州大学 计算机科学与技术学院, 江苏 苏州 215008 qianzhongqz@163.com 
李培峰 苏州大学 计算机科学与技术学院, 江苏 苏州 215008 pfli@suda.edu.cn 
周国栋 苏州大学 计算机科学与技术学院, 江苏 苏州 215008  
朱巧明 苏州大学 计算机科学与技术学院, 江苏 苏州 215008  
摘要点击次数: 2187
全文下载次数: 1983
中文摘要:
      不确定和否定信息抽取,是自然语言处理领域中的重要任务和研究热点.针对不确定和否定作用范围识别任务,提出一种基于两层双向LSTM神经网络的作用范围识别方法.首先,对于从线索词到达词语的句法路径,使用第1层双向LSTM神经网络从中学习到有用特征;接着,将词法特征与句法路径特征一起组成当前词语的特征表示;最后,将作用范围识别问题看作序列标注任务,利用第2层双向LSTM神经网络界定当前线索词的作用范围.实验结果表明,所提出的模型优于其他神经网络模型,并在BioScope生物医学语料上取得了良好性能.其中,在Abstracts子语料上的不确定和否定作用范围识别精确率分别达到86.20%和80.28%.
英文摘要:
      Speculation and negation information extraction is an important task and research focus in natural language processing (NLP). This paper proposes a two-layer bidirectional long short-term memory (LSTM) neural network model for speculation and negation scope detection. Firstly, a bidirectional LSTM neural network is utilized in the first layer to learn useful feature representations from the syntactic path which is from the cue to the token. Then, lexical features and syntactic path features are concatenated into the feature representations of the token. Finally, taking the scope detection problem as a sequence labeling task, another bidirectional LSTM neural network is employed in the second layer to identify the scope of the current cue. The experimental results show that the presented model is superior to other neural network models and attains excellent performances on BioScope corpus. Particularly, the model achieves the accuracy (percentage of correct scopes) of 86.20% and 80.28% on speculation and negation scope detection on Abstracts subcorpus, respectively.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利